# 超维空间科技精准降落
## 1、图片通过生成模型 生成不同光照、角度的图片 一共150张
代码文件：[shengcheng.py](shengcheng.py)
## 2、图片通过模型识别 识别不同光照、角度的图片
**Yolov8训练代码：**
```bash
yolo detect train data=h.yaml model=yolov8s.pt epochs=200 batch=4 imgsz=640 device=0 patience=30 workers=4 label_smoothing=0.1 cos_lr=True amp=False
```
**训练过程：**[runs/detect/h/results.csv](runs/detect/h/results.csv)
**训练结果：**
## 3、工具包模型修改
**修改的文件：**
**1、工具包使用的模型：**```/home/p/cwkj_ws/src/Yolov8_ros/yolov8_ros/weights/best.pt```
**2、launch文件：**```/home/p/cwkj_ws/src/Yolov8_ros/yolov8_ros/launch/yolo_v8.launch```
主要修改：[files/yolo_v8.launch](files/yolo_v8.launch)
```txt
<!--权重文件 修改为best.pt我们训练的模型-->
<param name="weight_path" value="$(find yolov8_ros)/weights/best.pt"/>
```
**3、保存工具包**
```bash
cd cwkj_ws
catkin_make
source devel/setup.bash
```
## 4、更改gazebo世界world（可选）
直接添加H到世界
**修改的文件：**
**1、world文件：**```/home/p/cwkj_ws/src/Yolov8_ros/yolov8_ros/worlds/empty.world```
主要修改：[files/empty.world](files/empty.world)
```txt
<!--添加H-->
<include>
<uri>model://H</uri>
</include>
```
**2、保存world**
```bash
cd cwkj_ws
catkin_make
source devel/setup.bash
```
## 5、修改world世界文件,添加H到世界（可选）
**修改的文件：**
**1、world文件：**```/home/p/PX4-Autopilot/Tools/sitl_gazebo/worlds/empty.world```
主要修改：[files/empty.world](files/empty.world)，添加一个model：H，设置位置x=4，y=2
```txt(xml)
<include>
<uri>model://H</uri>
<pose>4 2 0 0 0 0</pose>
</include>
```
效果图：
## 6、运行
**1终端**
```
roslaunch px4 mavros_posix_sitl.launch
```
**2终端**
```
source ~/cwkj_ws/devel/setup.bash
roslaunch yolov8_ros yolo_v8.launch
```
**3终端**
```
source ~/cwkj_ws/devel/setup.bash
rosrun object_land object_land
```
文章评论